Ferramenta de Visualiza¸c˜ao para Sistemas Mecatr´ onicos Multiagentes

Com o intuito de desenvolver uma nova metodologia que permita a visualiza¸c˜ao e a in- terpreta¸c˜ao da informa¸c˜ao trocada entre os agentes em sistemas distribu´ıdos mecatr´onicos, os autores de [FRN+

12] apresentam uma nova ferramenta de visualiza¸c˜ao.

A ferramenta Visualization Tool foi desenvolvida utilizando o JADE e ´e de salientar o seu contributo no projeto IDEAS Agent Development Environment (IADE).

Baseada em t´ecnicas passivas de captura de mensagens e tirando alguma vantagem do agente Sniffer do JADE, o agente Visualization Tool Agent (VTA) subscreve ao AMS, solicitando a ativa¸c˜ao do ENS para come¸car a intercetar as mensagens trocadas no sistema IADE [FRN+

12].

Desta forma, ´e poss´ıvel obter todas as informa¸c˜oes importantes e necess´arias com um impacto m´ınimo no desempenho da plataforma mecatr´onica [FRN+

Posto que o principal objetivo da VTA ´e fornecer ao seu utilizador uma forma sim- plificada de visualizar toda a informa¸c˜ao importante extra´ıda da plataforma foram desen- volvidos cinco modos de visualiza¸c˜ao diferentes e v´arias funcionalidades associadas a cada um deles [FRN+

12].

Os modos de visualiza¸c˜ao dispon´ıveis s˜ao os seguintes:

1. The Hardware View : Apresenta todo o equipamento f´ısico que comp˜oe o sistema. Este modo de visualiza¸c˜ao permite configurar o hardware de acordo com o plano do shoop-floor e a sua op¸c˜ao de navega¸c˜ao permite a observa¸c˜ao de todos os componen- tes da mesma hierarquia ao mesmo tempo;

2. The Skill View : Efetua a tabula¸c˜ao de todas as habilidades (skills) dispon´ıveis na plataforma mecatr´onica. No caso de uma habilidade composta (composite skill ) esta pode ser decomposta e apresentada ao utilizador de acordo com a sua composi¸c˜ao. Neste modo de visualiza¸c˜ao ´e poss´ıvel verificar qual o agente mecatr´onico que abstrai determinada skill, os parˆametros da skill e o tipo da skill. Tamb´em ´e poss´ıvel seguir a execu¸c˜ao da skill ;

3. The Platform View : Pretende fornecer uma perspetiva do sistema que permita a visualiza¸c˜ao em tempo real da dinˆamica das rela¸c˜oes entre os agentes mecatr´onicos e das rela¸c˜oes entre a plataforma mecatr´onica e o sistema f´ısico;

4. The Performance View : Permite a visualiza¸c˜ao de alguns indicadores de desem- penho relativamente ao componente selecionado. O desempenho pode ser visto na perspetiva de hardware ou na perspetiva de skill ;

5. The Sniffer View : Permite a visualiza¸c˜ao em tempo real de todas as mensagens trocadas e alguns dos seus parˆametros. Tais como, a hora do envio da mensagem, o recetor e o emissor da mensagem, o tipo da mensagem, o prop´osito da mensagem e o conte´udo da mensagem. ´E ainda poss´ıvel verificar e selecionar os agentes que se encontram sob observa¸c˜ao.

Al´em do VTA, um agente de visualiza¸c˜ao para dispositivos m´oveis, ou Visualization Agent for Mobile Devices (VAMD), foi tamb´em projetado de forma a facilitar o acesso remoto `a informa¸c˜ao desejada [FRN+

12].

Com a ferramenta VAMD, o utilizador pode seguir `a distˆancia a plataforma e as execu¸c˜oes individuais atrav´es de pedidos de informa¸c˜ao relativamente aos componentes de hardware ou `as habilidades dispon´ıveis na plataforma. Isto pode ser de grande im- portˆancia, por exemplo, para fins de manuten¸c˜ao [FRN+

12].

O prot´otipo industrial desenvolvido no projeto IDEAS real¸cou a necessidade de uma nova abordagem para visualizar a informa¸c˜ao do sistema e para recolher informa¸c˜ao de sistemas distribu´ıdos semelhantes [FRN+

12].

Desta forma, a Visualization Tool representa uma alternativa vi´avel para recolher informa¸c˜ao de uma plataforma distribu´ıda com um impacto m´ınimo na implementa¸c˜ao dos agentes mecatr´onicos. Al´em disso, fornece ainda uma perspetiva diferente relativamente `as rela¸c˜oes entre o hardware, os componentes l´ogicos e as habilidades dispon´ıveis no sistema mecatr´onico multiagente [FRN+

12].

2.4

Conclus˜oes Gerais

Perante o exposto no presente cap´ıtulo, ´e not´avel a evolu¸c˜ao dos sistemas de manu- fatura nas ´ultimas d´ecadas. V´arios paradigmas surgiram na ´area, na esperan¸ca de tornar a manufatura sustent´avel e apta a fornecer sistemas de produ¸c˜ao cada vez mais ´ageis e flex´ıveis.

Os paradigmas de HMS, BMS, RMS e EPS fizeram parte de uma grande variedade de investiga¸c˜oes e hoje, suportam muitas das exigˆencias nos dom´ınios da manufatura. Estes paradigmas permitem alcan¸car solu¸c˜oes v´alidas na resolu¸c˜ao de situa¸c˜oes que perturbam os ambientes de produ¸c˜ao e que limitam o progresso da manufatura industrial.

As arquiteturas abertas e os novos paradigmas promovem a reconfigura¸c˜ao e a reuti- liza¸c˜ao l´ogica dos equipamentos, o que contribui para a redu¸c˜ao de massa dos mesmos e de outras fontes de desperd´ıcio de energia. [RB11].

No entanto, a maioria das aproxima¸c˜oes emergentes abrangem comportamentos com- plexos, cen´arios inesperados e intera¸c˜oes constantes entre as entidades f´ısicas e l´ogicas dos sistemas, o que muitas vezes n˜ao representa um aspeto favor´avel ao estudo e `a valida¸c˜ao destes sistemas.

Apesar de ainda muito escassas, tˆem surgido novas metodologias que visam melhorar o desempenho dos atuais sistemas de produ¸c˜ao atrav´es da observa¸c˜ao dos comportamentos e rea¸c˜oes destes sistemas face `as altera¸c˜oes dos v´arios componentes do shop-floor industrial. As comunidades de investiga¸c˜ao das ´areas da manufatura tˆem apostado no desenvolvi- mento de metodologias baseadas no estudo do agrupamento de agentes em MAS.

`

A medida que os eventos ocorrem no sistema de controlo, os valores das liga¸c˜oes entre os agentes v˜ao variando. A informa¸c˜ao relativamente a estas liga¸c˜oes ou aos agrupamentos de agentes pode ser utilizada de v´arias formas. Por exemplo, a estrutura dos agrupamen- tos de agentes pode ser mapeada no hardware de execu¸c˜ao do agente ou o posicionamento de agentes pertencentes a um agrupamento numa unidade computacional pode otimizar o desempenho do sistema [STˇSM07].

Nestes termos, o estudo aprofundando dos agrupamentos de agentes poder´a fornecer algum conhecimento extra relativamente `as dinˆamicas de intera¸c˜ao num MAS. Este co- nhecimento pode ser utilizado na valida¸c˜ao do modo de funcionamento destes sistemas o que, por sua vez, permitir´a criar comunidades de agentes auto-organizados com elevados n´ıveis de complexidade sem diminuir o desempenho do sistema [OOVSB03].

As ferramentas para observa¸c˜ao e an´alise dos sistemas de manufatura tˆem contribu´ıdo para a otimiza¸c˜ao dos atuais sistemas de produ¸c˜ao. No entanto, a efic´acia destas ferramen-

tas em sistemas de elevado dinamismo, cujas entidades se mantˆem em constante intera¸c˜ao para garantir a flexibilidade do sistema nas v´arias situa¸c˜oes de perturba¸c˜ao, n˜ao ´e ainda garantida.

Em conclus˜ao, a introdu¸c˜ao de metodologias e ferramentas desta natureza ´e conside- rada altamente ben´efica `a proje¸c˜ao de sistemas flex´ıveis e adapt´aveis. Posto que, ´e esta flexibilidade que os torna tolerantes `as v´arias perturba¸c˜oes nos ambientes de produ¸c˜ao e, como tal, aptos a adaptarem as suas condi¸c˜oes de trabalho de forma a cumprirem com os seus objetivos globais sem comprometer o desempenho do sistema.

Arquitetura

A presente arquitetura suporta a inferˆencia e o pr´e-processamento de redes de agentes num contexto mecatr´onico.

Deste modo, a arquitetura visa a an´alise das intera¸c˜oes entre os agentes constituintes de um MAS e, por sua vez, efetua a estrutura¸c˜ao da rede resultante dessas intera¸c˜oes no formato GML.

3.1

Vis˜ao Geral da Arquitetura

A arquitetura da ferramenta ´e composta por cinco m´odulos e cada um desempenha um papel espec´ıfico em cada uma das fases do processo de inferˆencia da rede de um MAS.

Para efetuar o controlo dos m´odulos que comp˜oem a arquitetura, o agente desenvolvido (Sniffer ) incorpora v´arios algoritmos que implementam os comportamentos que definem as funcionalidades da ferramenta.

O m´odulo de mem´oria permite que o Sniffer consiga capturar as intera¸c˜oes entre os agentes do MAS em execu¸c˜ao. Os m´odulos de filtragem e de agrupamento efetuam o processamento dos dados capturados, de modo a representar devidamente a rede gerada, consoante as intera¸c˜oes dos seus agentes participantes. Posteriormente `a captura e ao processamento, o Sniffer traduz os dados filtrados e agrupados num formato de ficheiro espec´ıfico apropriado `a representa¸c˜ao de redes atrav´es de grafos.

O processamento dos dados recolhidos (filtragem e agrupamento) em tempo real ´e um processo que consome muitos recursos ao sistema, o que por conseguinte, influencia negativamente o desempenho do MAS e da ferramenta desenvolvida. Por este motivo, a captura das intera¸c˜oes ´e feita durante o tempo de execu¸c˜ao do MAS e a filtragem e o agrupamento dos dados s˜ao feitos apenas quando o sistema termina a sua execu¸c˜ao.

O Sniffer tem ainda a capacidade de ser informado relativamente `a morte e ao apa- recimento de novos agentes na plataforma mecatr´onica. O agente reage `a rece¸c˜ao dessas informa¸c˜oes consoante o resultado das mesmas.

Os agentes que surgem na plataforma mecatr´onica s˜ao automaticamente colocados num estado de observa¸c˜ao (a¸c˜ao de Sniff ). Os agentes que desaparecem da plataforma s˜ao automaticamente removidos desse estado (a¸c˜ao de Unsniff ).

As habilidades do Sniffer e os algoritmos que comp˜oem cada um dos seus m´odulos permitiram a implementa¸c˜ao de uma ferramenta que visa a observa¸c˜ao e a an´alise de qual- quer MAS, independentemente do seu grau de dinamismo ou de complexidade.

A Figura 3.1 pretende esquematizar a arquitetura da ferramenta consoante os m´odulos que a comp˜oem.

Figura 3.1: Arquitetura da Ferramenta de Inferˆencia da Rede, adaptada de [RFMB14].